FORMATION : Initiation au Machine learning
Pour connaitre les prochaines sessions de formation sur l’Intelligence Artificielle, cliquez ici
Objectifs : Comprendre l’articulation des domaines d’activité autour de la donnée afin de discerner les besoins de son entreprise, là où elle peut faire monter en compétence ses propres équipes et là où il sera plus efficace de faire appel à de l’expertise externe. - Qu’est-ce que la data science, le Machine Learning, le Deep Learning, le big data et l’intelligence artificielle ?
PROGRAMME sur 2 jours
1. Les grands principes du Machine Learning
1.1 Les modélisations supervisées, non-supervisées et par renforcement
1.2 Les étapes de construction d’un modèle
1.3 L’évaluation des modèles
Pratique : Évaluer et comparer des modèles préparés pour l’exercice
2. Préparation des variables
2.1 La nature statistique des données et leurs dimensions
2.2 Représenter les variables, détecter les données aberrantes
2.3 Le ré-échantillonnage de variables
2.4 Réduire le set de variables pour un modèle, faire avec les multi-colinéarités
2.5 Traiter les classes rares
3. Les algorithmes
3.1 Présentation de modèles
Régression linéaire simple, multiple, polynomiale.
Régression logistique, Classification hiérarchique et non hiérarchique (K-means)
Classification par arbres de décision et ensemble Naïve Bayes, Random Forest
Machines à vecteurs supports
Méthodes à noyaux
Gradient Boosting
Réseau neuronal
3.2 Mise en pratique
Chaque modèle est accompagné d’un exemple pré-codé. Les exercices s’intercalent dans la présentation pour permettre à chaque équipe de tester les modèles sur leur propre jeu de données.
INFORMATIONS PRATIQUES
Personnes concernées : Ce cours s’adresse aux Ingénieurs et techniciens en bureau d’études ou tout autre personne utilisant de la modélisation de données.
Prérequis :
Connaissance en programmation python. De nombreux supports existent sur le web pour apprendre ce langage. Nous utiliserons principalement les librairies scikit-learn et pandas.
Savoir-faire des opérations sur des données dans un tableur
Se rappeler de ses cours de mathématiques (moyenne, médiane, variance, calcul de distances, dérivées, etc.)
Travail en binôme avec chacun son propre PC portable connecté sur Internet.
Moyens pédagogiques : Support de cours – Etudes de cas
Moyens permettant d’apprécier les résultats de l’action : Evaluation de l’action de formation par la remise d’un questionnaire de satisfaction.
Moyen permettant de suivre l’exécution de l’action : Feuilles de présence signées par chaque stagiaire et le formateur par journée de formation.
Sanction de la formation : Attestation de présence